写一个c++的opencv的人脸识别代码，包括训练，训练图像来自电脑文件夹

好的，以下是一个基本的C++ OpenCV人脸识别代码，包括训练和使用训练好的分类器进行人脸检测：

#include <opencv2/opencv.hpp>
#include <iostream>
#include <fstream>
#include <sstream>
#include <vector>

using namespace std;
using namespace cv;

int main(int argc, char** argv)
{
    // 1. 加载训练图像并提取特征
    vector<Mat> images; // 存储所有训练图像
    vector<int> labels; // 存储所有训练图像的标签
    string path = "your/path/to/training/images/"; // 训练图像所在的文件夹路径
    int label = 0;
    // 遍历文件夹中所有图像
    for (const auto& file : directory_iterator(path))
    {
        Mat image = imread(file.path().string(), IMREAD_GRAYSCALE); // 读取图像，转换成灰度图像
        if (image.empty()) continue; // 跳过读取失败的图像
        images.push_back(image);
        labels.push_back(label);
    }
    // 提取特征
    Ptr<FaceRecognizer> recognizer = EigenFaceRecognizer::create(); // 创建基于特征脸的分类器
    recognizer->train(images, labels); // 训练分类器

    // 2. 使用训练好的分类器进行人脸检测
    VideoCapture cap(0); // 打开摄像头
    if (!cap.isOpened()) // 检查摄像头是否成功打开
    {
        cerr << "Cannot open camera." << endl;
        return -1;
    }
    namedWindow("Face Detection", WINDOW_NORMAL); // 创建显示窗口
    while (true)
    {
        Mat frame;
        cap >> frame; // 从摄像头读取一帧图像
        Mat gray;
        cvtColor(frame, gray, COLOR_BGR2GRAY); // 转换成灰度图像
        vector<Rect> faces;
        CascadeClassifier face_cascade("haarcascade_frontalface_default.xml"); // 加载人脸检测分类器
        face_cascade.detectMultiScale(gray, faces, 1.3, 5); // 检测人脸
        for (const auto& face : faces)
        {
            Mat face_roi = gray(face); // 提取人脸区域
            resize(face_roi, face_roi, Size(100, 100)); // 缩放到固定大小
            int predicted_label = -1;
            double confidence = 0.0;
            recognizer->predict(face_roi, predicted_label, confidence); // 使用分类器进行人脸识别
            putText(frame, "Label: " + to_string(predicted_label), Point(face.x, face.y - 10), FONT_HERSHEY_SIMPLEX, 0.5, Scalar(0, 255, 0), 2); // 在图像上显示识别结果
            rectangle(frame, face, Scalar(0, 255, 0), 2); // 在图像上绘制人脸框
        }
        imshow("Face Detection", frame); // 显示检测结果
        if (waitKey(1) == 27) break; // 按下ESC键退出程序
    }
    return 0;
}

需要注意的是，该代码中使用的是基于特征脸的分类器，其他类型的分类器也可以使用。同时，需要将代码中的路径和参数根据实际情况进行修改。